anÁlise de demanda e simulaÇÃo da dinÂmica...
TRANSCRIPT
UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ
COORDENAÇÃO DE ENGENARIA DE PRODUÇÃO
CURSO DE GRADUAÇÃO EM ENGENHARIA DE PRODUÇÃO
JOÃO PAULO NEVES LUVIZOTTO
ANÁLISE DE DEMANDA E SIMULAÇÃO DA DINÂMICA
OPERACIONAL DE UMA CENTRAL TELEFÔNICA
PROJETO DE TRABALHO DE DIPLOMAÇÃO
MEDIANEIRA
2014
JOÃO PAULO NEVES LUVIZOTTO
ANÁLISE DE DEMANDA E SIMULAÇÃO DA DINÂMICA
OPERACIONAL DE UMA CENTRAL TELEFÔNICA
Projeto de Trabalho de conclusão de curso
apresentado ao Curso de Graduação, em
Engenharia de Produção, da Universidade
Tecnológica Federal do Paraná, como
requisito parcial à disciplina de TCC1.
Orientadora: Profa. Dra. Carla Adriana
Pizarro Schmidt
Co-Orientador: Prof. Dr. José Airton
Azevedo dos Santos
MEDIANEIRA
2014
TERMO DE APROVAÇÃO
ANÁLISE DE DEMANDA E SIMULAÇÃO DA DINÂMICA OPERACIONAL DE UMA CENTRAL TELEFÔNICA
Por
JOÃO PAULO NEVES LUVIZOTTO
Este trabalho de conclusão de curso foi apresentada às 17h:30min do dia 25
de novembro de 2014 como requisito parcial para obtenção do título de Bacharel de
Engenharia de Produção, da Universidade Tecnológica Federal do Paraná, Campus
Medianeira. O candidato foi arguido pela Banca Examinadora composta pelos
professores abaixo assinados. Após deliberação, a Banca Examinadora considerou o
trabalho de diplomação aprovado.
__________________________________
Profa. Dra. Carla Adriana Pizarro Schmidt Orientadora
Universidade Tecnológica Federal do Paraná
________________________________ Prof. Dr. José Airton dos Santos
Co-orientador Universidade Tecnológica Federal do Paraná
_________________________________ Prof. Me Milton Soares
Universidade Tecnológica Federal do Paraná
________________________________ Profa. Dra. Silvana Lígia Vicenzi Bortolotti
Universidade Tecnológica Federal do Paraná
______________________________________
Prof. Me. Neron Alípio Cortes Berghauser Coordenador de Curso
Universidade Tecnológica Federal do Paraná
O Termo de Aprovação assinado encontra-se na Coordenação do Curso.
MINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE TECNOLÓGICA FEDERAL DO
PARANÁ CAMPUS MEDIANEIRA
Diretoria de Graduação
Nome da Coordenação de Engenharia de Produção Curso de Graduação em Engenharia de Produção
1
2
A Deus, nosso Senhor; a minha família pela dedicação, compreensão e incentivo ao estudo;
AGRADECIMENTOS
A Deus, pela saúde e disposição ao qual me permite percorrer o meu caminho.
A minha família, pela motivação e confiança que transmitem a todo instante
sob o meu trabalho, além do apoio financeiro realizado durante todo esse período.
A minha namorada, pela compreensão e motivação que ela exerce sob meus
planos.
A minha orientadora, Prof. Dr. Carla A. P. Schmidt, pelo apoio, paciência e
esforço para a realização deste trabalho.
Ao meu co- orientador, Prof. Dr. José Airton dos Santos, pela preocupação e
auxílio que foi dado para a conclusão do estudo.
Aos professores em geral, que contribuíram com meu conhecimento fazendo
possível chegar até aqui.
A todos os colegas que participaram juntos a mim da vida acadêmica.
Sonhos determinam o que você quer. Ação determina o que você conquista.
Aldo Nova
RESUMO
LUVIZOTTO, João Paulo Neves. Análise de demanda e simulação da dinâmica operacional de uma central telefônica. 2014. Monografia (Bacharel em Engenharia
de Produção) - Universidade Tecnológica Federal do Paraná.
Este trabalho teve como objetivo analisar através de técnicas de análises estatísticas e simulação computacional os dados de funcionamento e demanda do serviço de uma central telefônica de uma instituição pública localizada no oeste do Paraná. Inicialmente os dados foram coletados e o movimento da central foi avaliado por meio de testes estatísticos para estabelecer os horários de pico a serem utilizados na simulação, para tanto um modelo do tipo dinâmico, discreto e estocástico foi implementado no software de simulação Arena® ®. Além disso avaliou-se a mesma central por meio da fórmula de Erlang C, que apresenta uma equação própria para simulação de serviço e demanda em centrais telefônicas. Após realizar a simulação, foi testado novas configurações no sistema de atendimento visando otimizar o serviço com a distribuição correta dos funcionários levando em consideração os horários de pico.
Palavras-chave: filas; central telefônica; ARENA® .
ABSTRACT
LUVIZOTTO, João Paulo Neves. Demand analysis and simulation of the dynamics of an telephone exchange. 2014. Monografia (Bacharel em Engenharia de Produção) - Universidade Tecnológica Federal do Paraná.
This study aimed to analyze using techniques of statistical analysis and computer simulation data of operation and demand a telephone exchange of a public institution located in the west of Paraná. Initially the data were collected and the movement of the plant was evaluated by means of statistical tests to establish the peak times for use in the simulation, for both a model of the dynamic, stochastic and discrete type was implemented in the simulation software Arena® ®. In addition, we evaluated the same core through the Erlang formula C, which itself presents an equation for simulating demand service and telephone exchanges. After the simulation, new configurations were tested in order to optimize the treatment system service with the correct distribution of employees taking into consideration the peak hours.
Keywords: queuing; telephone exchange; Arena®.
LISTA DE ILUSTRAÇÕES
Quadro 1: Vantagens e desvantagens da simulação computacional. ................... 15 Figura 1: Esquematização das Fases de um Estudo aplicando PO.......................16 Figura 2: Representação dos pontos A, B e C de um gráfico de controle. ............ 20 Figura 3: Calculadora de Erlang C ........................................................................ 22 Quadro 2: Ferramentas para análise de dados presentes no software ARENA® . 23 Figura 4: Tela inicial do software ARENA® ........................................................... 23 Figura 5: Classificação da pesquisa científica. ...................................................... 26 Figura 6. Número Total de Chamadas e número de Entradas e Saídas de Ligações do dia 26 de maio na Central Telefônica Estudada, .............................................. 31 Figura 7: Gráfico de controle do tempo de chamadas da Central Telefônica Observada..............................................................................................................31 Quadro 3. Resultados da ANOVA com dois fatores (horários e dias da semana) .32 Figura 8: Gráfico Ilustrativo do número de ligações dentro da interação entre os 15 horários estudados de hora em hora das 7h:30min às 22h:30min e os cinco dias da semana em que existe expediente. .......................................................... 33 Figura 9: Gráfico Ilustrativo do número de ligações nos 15 horários estudados de hora em hora das 7h:30min às 22h:30min............................................................. 34 Tabela 1. Comparação de média do número de chamadas recebidas em cada um dos horários estudados, seus respectivos desvios padrão e coeficientes de variação...............................................................................................................34 Figura 10: Gráfico Ilustrativo do agrupamento dos horários estudados, separados de hora em hora das 7h:30min às 22h:30min, por meio da análise de clusters baseada no modelo Hierárquico e na distância Euclidiana. ...................................35 Figura 11: Análise de gráfico de controle nos horários de pico (13h:30min às 16h:30min). ........................................................................................................... 36 Figura 12: Gráfico de controle do tempo de chamadas de saída da Central Telefônica Observadas durante o acompanhamento realizado pessoalmente por cronoanálise. ......................................................................................................... 37 Figura 13: Gráfico de controle do tempo de chamadas de entrada da Central Telefônica Observadas durante o acompanhamento realizado pessoalmente por cronoanálise.. ........................................................................................................ 37 Tabela 2. Resultados obtidos para os três horários de pico, em média para os dois dias acompanhados, por meio da aplicação da fórmula de Erlang C. ................... 38 Figura 14: Imagem da tela da Calculadora de Erlang .......................................... 40 C após realização dos cálculos. Tabela 3. Distribuição de probabilidade. ............................................................... 40 Figura 15: Modelo Computacional Implementado. ................................................ 41 Figura 16: Intervalo Simulado pelo Arena® para Ocupação das Telefonistas ...... 41
SUMÁRIO
1. INTRODUÇÃO ................................................................................................ 11
1.1 OBJETIVO GERAL ......................................................................................... 11
1.2 OBJETIVO ESPECÍFICO ................................................................................ 12
2. REVISÃO DE LITERATURA ........................................................................... 13
2.1 DEFINIÇÃO DE UMA CENTRAL DE ATENDIMENTO ................................... 13
2.2 GERENCIAMENTO DE UMA CENTRAL DE ATENDIMENTO ....................... 14
2.3 DEFINIÇÃO DE SIMUAÇÃO ........................................................................... 15
2.4 VANTAGENS E DESVANTAGENS DA SIMULAÇÃO COMPUTACIONAL .... 15
2.5 PESQUISA OPERACIONAL ........................................................................... 16
2.6 TEORIA DAS FILAS ........................................................................................ 17 2.7 FERRAMENTAS ESTATÍSTICAS .................................................................. 18 2.7.1 Análise Exploratória de Dados (AED) ......................................................... 18
2.7.2 Análise de Variância (ANOVA) ................................................................... 19
2.7.3 Comparação de Médias .............................................................................. 19
2.7.4 Controle Estatístico de Processo ................................................................ 20
2.8 FÓRMULA DE ERLANG C OU ERLANG DELAY FORMULA (M/M/s) ........... 21
2.9 SOFTWARE ARENA® ................................................................................... 22 2.10 SIMULAÇÃO EM CENTRAIS DE ATENDIMENTO ....................................... 24 3. MATERIAIS E MÉTODOS ............................................................................... 25
3.1 A EMPRESA ................................................................................................... 25
3.2 TIPOS DE PESQUISA .................................................................................... 25
3.2.1 Natureza da Pesquisa ................................................................................ 26
3.2.2 Objetivo da Pesquisa .................................................................................. 26
3.2.3 Forma de Abordar o Problema ................................................................... 27
3.2.4 Procedimentos Metodológicos a Serem Adotados na Pesquisa ................ 27
3.3 POPULAÇÃO AMOSTRA ............................................................................... 28
3.4 COLETA DE DADOS ...................................................................................... 28
3.5 ANÁLISE DE DADOS...................................................................................... 29
4. RESULTADOS E DISCUSSÃO ....................................................................... 30
4.1 MOVIMENTO TOTAL DA CENTRAL TELEFÔNICA ....................................... 30
4.2 MOVIMENTO DA CENTRAL TELEFÔNICA QUE PASSA
PELA ATENDENTE......................................................................................... 32
4.3 ACOMPANHAMNETO DAS TRÊS HORAS DO HORÁRIOS DE PICO .......... 36
4.4 APLICAÇÃO DOS DADOS OBTIDOS DAS TRÊS HORAS NA FÓRMULADE
ERLANG C ...................................................................................................... 38
4.5 COMPARAÇÃO DO MÉTODO ANALÍTICO DE ERLANG C E SIMULAÇÃO NO
ARENA® NOS VALORES MÉDIOS DAS CHAMADAS DO HORÁRIO DE PICO
........................................................................................................................ 39
5. CONCLUSÃO .................................................................................................. 42 REFERÊNCIAS.......................................................................................................43
11
1 INTRODUÇÃO
A exigência de repostas rápidas e em tempo real está fazendo com que o
atendimento telefônico se evolua como uma atividade produtiva. O maior desafio de
uma central telefônica é proporcionar o acesso à informação através de todos os
meios de comunicação
Com a evolução da tecnologia da informação houve maior disponibilidade de
comunicação em indústrias ou até mesmo em serviços, consequentemente uma forma
qualitativa de analisar estas informações através da simulação.
A avaliação por meio de coleta de dados, avaliação estatística e a aplicação
de softwares de simulação em empresas se alavancaram nestes últimos tempos
devido ao auxilio que geram na gestão de uma organização, pois tais programas têm
a capacidade de explorar o que acontece no sistema bem como simular virtualmente
o sistema real sendo que também possibilita a realização de mudanças antes de
implementá-las ao processo, reduzindo assim decisões precipitadas.
Para realizar uma maximização do poder de comunicação de uma
organização é viável o uso de ferramentas computacionais onde possam ser feitas
análises e identificação dos pontos críticos no processo através de estudos
estatísticos e gráficos que auxiliarão posteriormente nas tomadas de decisões cruciais
para prover melhorias.
Os horários de pico das ligações causam gargalo no processo, ocasionando
filas, com o intuito de avaliar a ocupação das telefonistas e avaliar a possibilidade de
soluções que venham a minimizar esses problemas, será realizado um estudo com
base na coleta e avaliação de dados de demanda gerados pela central telefônica de
uma instituição pública. A simulação será executada perante registros de chamadas
arquivados na própria centra
1.1 OBJETIVO GERAL
Analisar a demanda de uma central telefônica por meio de simulação da
dinâmica operacional utilizando-se de dados documentais e análises
12
1.2 OBJETIVOS ESPECÍFICOS
a) Coletar os dados necessários durante o funcionamento da central telefônica.
b) Estudar o processo de atendimento de chamadas telefônicas da Instituição
Pública.
c) Avaliar estatisticamente a demanda e encontrar os horários de pico.
d) Avaliar, através de técnicas de simulação, e cálculo de Erlang a utilização dos
funcionários nos horários de pico.
e) Sugerir, se necessárias, modificações no sistema de atendimento de chamadas
telefônicas.
13
2 REVISÃO DE LITERATURA
Este capítulo está dividido em tópicos onde se descreve sobre pesquisa
operacional, avaliação estatística exploratória de dados, conceitos e organização de
uma central de atendimento, ferramentas, aplicações, vantagens e desvantagens da
simulação, desenvolvimento e utilização da equação de Erlang e software Arena®.
A abordagem de tais assuntos visa embasar a compreensão do que será
desenvolvido neste estudo fornecendo uma base teórica para facilitar o posterior
entendimento dos temas abordados e da apresentação dos resultados e conclusões
sobre a central telefônica estudada.
2.1 DEFINIÇÃO DE UMA CENTRAL DE ATENDIMENTO
A definição de central de atendimento segundo Koole e Mandelbaum (2001)
é a junção de recursos, pessoas, computadores e aparelhos de telecomunicação que
possibilitam os serviços por telefones. Uma Central de atendimento pode ser
caracterizada como: inbound ou outbound, características provindas do tipo de
ligação. As do tipo inbound são apenas receptores das chamadas originadas de
clientes externos. As com característica outbound, atendentes efetuam ligações a
clientes.
De acordo com Argolo e Ramos (2006) os três pilares do negócio de centrais
de atendimento telefônico são: tecnologia, ambiente físico e mão de obra. Os recursos
tecnológicos é a capacidade receber e trafegar grandes volumes de ligações,
gerenciar o tempo de espera para um cliente ser atendido, duração das ligações,
abandono por atendimento ineficaz além de possuir sistemas que possibilitem rápido
acesso a informações para atender o cliente.
O ambiente físico por exigir a permanência das pessoas por prologando
tempo no posto de trabalho é comum que a carga horária neste tipo de serviço seja
de 6 horas diárias com dos intervalos de 15 minutos para os funcionários realizar
necessidades pessoais. A empresa deve propor condições ergonômicas de trabalho.
14
Os recursos relacionados a mão de obra observa-se a excelência na fluência
verbal além da capacidade de argumentação e de orientação para seguir os padrões
do atendimento.
2.2 GERENCIAMENTO DE UMA CENTRAL DE ATENDIMENTO
De acordo com Yonamine (2006), o gerenciamento das centrais de
atendimento é dificultado por se tratar de um comportamento de chamadas que devido
a sazonalidade, diversidade de tipos de chamadas e volume de chamadas é de difícil
previsão. Uso da mão de obra variável é uma alternativa para mitigar tais variações.
Juntamente é necessário gerenciar as 15 habilidades individuais dos operadores para
alcançar alto desempenho, alto nível de serviço e a redução de custos operacionais.
Gerenciar Centrais de atendimento requer o gerenciamento simultâneo de
pessoas, serviços e qualidade enquanto se utiliza de sistemas e tecnologias
avançados. A gestão de forma integrada resultará em uma central de atendimento
eficiente. O maior custo das centrais estão relacionados a mão de obra, chegando a
representar 70% (BROWN et al, 2002).
Lidar com o desafio de prever o volume de chamadas, planejar o número de
funcionários alocados e manter o nível de serviço de acordo com o padrão estipulado
faz parte do gerenciamento de uma CA. Com a imprevisão das chamas e restrições
quanto a duração dos turnos de trabalho, surge a dificuldade de planejar e programar
a força de trabalho (YONAMINE, 2006).
Bouzada (2009) diz que a simulação traz os seguintes benefícios: (i) visualizar
os processos futuros, validando suas premissas, (ii) análise detalhada do impacto das
mudanças, (iii) previsão das necessidades de recurso material ou humano. Como na
simulação faz a consideração da variabilidade da chegada de chamadas e do tempo
de duração das mesmas, juntamente com a heterogeneidade dos tipos e dos agentes
na chamada, faz da simulação um método de análise eficiente na modelagem de uma
CA.
15
2.3 DEFINIÇÃO DE SIMULAÇÃO
De acordo com Prado (2010, p.24) “Simulação é uma técnica de solução de
um problema pela análise de um modelo que descreve o comportamento do sistema
usando um computador digital”.
O processo de simulação de um sistema pode apresentar tanto vantagens
como desvantagens.
2.4 VANTAGENS E DESVANTAGENS DA SIMULAÇÃO COMPUTACIONAL
Segundo Freitas (2008 p.26), a simulação tem suas vantagens e
desvantagens as quais encontram-se representadas no Quadro 1:
V
an
tag
en
s
Pode-se compreender melhor quais são as variáveis mais importantes em relação à performance e como as mesmas interagem entre si e com os outros elementos do sistema. Um estudo da simulação pode mostrar realmente como o sistema opera, e não como todos pensam que opera. Na simulação pode-se explorar a questão: “o que aconteceria se?”, sem ter que parar ou alterar o sistema real. A identificação de gargalos, que é o que mais preocupa no gerenciamento dos sistemas, tais como fluxo de materiais de informação e de produtos, pode ser obtida de forma fácil, principalmente com a ajuda visual.
D
esvan
tag
en
s
A construção do modelo requer treinamento especial. Envolve arte, entretanto adquire-se experiência com o tempo. Dois modelos construídos por duas pessoas competentes terão grandes semelhanças, mais nunca serão iguais. Os resultados são de difícil interpretação. Uma vez que os modelos tentam capturar a variabilidade do sistema, é comum que existam dificuldade em determinar quando uma observação realizada durante uma execução, se deve a alguma relação significante no sistema ou a processos aleatórios construídos e embutidos. Consumo grande de tempo para a modelagem e experimentação, além do tempo muitos outros recursos. A tentativa de simplificação na modelagem podem dar resultados insatisfatórios. Em muitos casos a aplicação de métodos analíticos (como teoria das filas) pode trazer resultados mais econômicos e menos ricos.
Quadro 1: Vantagens e desvantagens da simulação computacional. Fonte: Adaptado de Freitas (2008).
16
Prado (2009), diz que o que leva as pessoas a optar pelo o uso da simulação
é a simplicidade ao qual pode ser aplicada, a possibilidade de construção de um
sistema não existente para possíveis análises, não apresentar interferência com o
sistema real.
2.5 PESQUISA OPERACIONAL
Segundo Marins (2011) a Pesquisa Operacional (PO) é uma área da
Engenharia de produção, a qual oferece procedimentos que auxiliam na gestão de
recursos humanos, materiais e financeiros de uma organização.
Esse tipo de pesquisa surgiu na segunda guerra mundial nas atividades
militares, onde havia a necessidade de uma alocação eficiente dos recursos para a
realização das missões. Após o término da guerra, a utilização da Pesquisa
operacional apresentou um crescimento significativo. Diversos métodos científicos
surgiram despertando interesse nos mundos acadêmico e empresarial, que utilizavam
essas técnicas em problemas de administração (ANDRADE, 2000).
De acordo com Prado (2008), a partir de um determinado objetivo de produção
ou de qualidade de atendimento, os estudos operacionais ajudam na obtenção de
informações valiosas sobre a quantidade de atendentes (equipamentos, ferramentas,
veículos, etc.) e pessoas que devem ser colocados em cada estação de trabalho,
tendo ainda a capacidade de auxiliar na escolha do melhor layout e melhor fluxo.
Na Figura 1 pode-se observar algumas das fases para a aplicação de um
estudo que faz uso da Pesquisa Operaciona (PO).
Figura 1: Esquematização das Fases de um Estudo aplicando PO Fonte: Marins, (2011).
17
Para que um sistema seja adequadamente dimensionado e aumente a sua
capacidade de produção é importante que se estude os gargalos do sistema, ou seja
os pontos onde ocorrem as filas (PRADO, 2010).
Seguindo os conceitos de Parreira (2011) a Teoria das Filas e a Simulação
são técnicas disponíveis para a Modelagem de Sistemas, onde a simulação é a mais
utilizada. A simulação é uma técnica que se utiliza de um computador digital, onde se
procura montar um modelo que melhor represente o sistema em estudo e interagir
com este realizando mudanças e analisando seus respectivos comportamentos antes
de uma implantação em sistema real.
A teoria das filas é um método analítico que aborda o assunto por meio de
fórmulas matemáticas. Assim sendo a pesquisa operacional pode auxiliar na tomada
de decisões, pois fornece ferramentas qualitativas úteis que facilitam o processo
(PRADO, 2010).
2.6 TEORIA DAS FILAS
Teoria das filas é o nome dado ao estudo matemático de filas de espera,
sendo que estas podem ser formadas por pessoas ou objetos ou mesmo apresentar
um sentido abstrato onde não se visualiza a fila física, mas ela existe, este é o caso
da fila em uma central telefônica onde existe a prioridade no atendimento mas as
pessoas ou chamadas não aparecem obrigatoriamente em uma sequência visível
(FERREIRA FILHO, 2014).
Com a intenção de obter resultados melhores e um desempenho positivo nos
variados métodos produtivo, juntamente com a minimização da complexibilidade nos
cenários produtivos, passou-se a utilizar técnicas de planejamento baseadas em
Teoria das Filas no início do século XX (PRADO,1999).
Taha (2008) explica que uma fila irá ser formada sempre que a capacidade
de atendimento for inferior à demanda pelo serviço, dessa forma o seu estudo inclui o
levantamento de itens como o comprimento médio da fila, seu desempenho e tempo
de espera.
18
Moreira (2010) argumenta que a formação de filas pode estar relacionada com
a variabilidade tanto no intervalo entre chegadas como no tempo de atendimento, e
não somente à capacidade de atendimento dos posto de trabalho.
2.7 FERRAMENTAS ESTATÍSTICAS
Segundo Rao (1999), a estatística é uma ciência que estuda e pesquisa sobre:
o levantamento de dados com a máxima quantidade de informação possível para um
dado custo; o processamento de dados para a quantificação da quantidade de
incerteza existente na resposta para um determinado problema; a tomada de decisões
sob condições de incerteza, sob o menor risco possível. Finalmente, a estatística tem
sido utilizada na pesquisa científica, para a otimização de recursos econômicos, para
o aumento da qualidade e produtividade, na otimização em análise de decisões, em
questões judiciais, previsões e em muitas outras áreas.
2.7.1 Análise Exploratória de Dados (AED)
A análise exploratória de dados utiliza de diversos métodos para realizar um
estudo detalhado dos dados. O objetivo é conseguir o máximo de informações dos
dados, para auxiliar em modelos suscetíveis após a análise confirmatória dos dados
ou inferência estatística (MEDRI, 2011).
Segundo os autores BATANERO; ESTEPA; GODINO, (1991, p.2) a análise
exploratória de dados é uma filosofia que consiste.
[...] no estudo dos dados a partir de todas as perspectivas e com todas as ferramentas possíveis, incluindo as já existentes. O propósito é extrair toda a informação possível, gerar novas hipóteses no sentido de construir conjecturas sobre as observações que dispomos.
MEDRI (2011) diz que além da construção de tabelas e gráficos, a AED possui
cálculos de medidas estatísticas que obtém informações responsáveis por gerar uma
visão global dos dados. São chamadas de medidas descritivas, quando calculada com
19
os dados de amostra são nomeadas genericamente de estatística e de parâmetros
quando calculadas com dados populacionais.
2.7.2 Análise de Variância (ANOVA)
A Análise de Variância é um método suficientemente poderoso para poder
identificar diferenças entre as médias populacionais devidas a várias causas atuando
simultaneamente sobre os elementos da população (COSTA NETO, 1977).
Segundo FONSECA et al. (1982) o método de análise de variância indica a
aceitação ou rejeição da hipótese de igualdade das médias. Se a hipótese de nulidade
(Ho) for rejeitada, estaremos admitindo que, pelo menos, uma das médias é diferente
das demais. Surge, contudo a questão: Quais médias devem ser consideradas
diferentes?
Utilizando a análise de variância podemos também decidir com base em dados
amostrais se há diferença na eficácia de métodos de ensino de uma língua
estrangeira, por exemplo, ou até mesmo comparar o rendimento por hectare de tipos
de trigo diferentes, verificar se existe diferença na durabilidade de tintas, além disso,
a análise de variância pode ser utilizada para analisar diversos fatores
simultaneamente (FREUND, 2006).
2.7.3 Comparação de Médias
Segundo Vieira et al, (1989), a comparação de médias só pode ser feita após
a análise de variância. Isto porque todos os procedimentos para obter a d.m.s. exigem
o cálculo do quadrado médio do resíduo. Mas a análise de variância também dá o
valor de F, que permite decidir se as médias são ou não iguais, a determinado nível
de significância.
De acordo com GONÇALVES (2002) o Teste de Tukey pode ser utilizado para
testar qualquer diferença entre duas médias. É um teste versátil, mas que não permite
20
comparar grupos entre si. O teste tem como base a diferença mínima do d.m.s que é
calculado pela Equação 1:
∆ = 𝑞 𝑠
√𝑗
(1)
Onde:
Q é a amplitude total studentizada, possui valores tabelados.
S é o desvio padrão residual.
J número de repetições das médias confrontadas no contraste.
2.7.4 Controle Estatístico de Processo
O Controle Estatístico do Processo teve início em 1920 com a utilização de
gráficos de controle. Depois de 1944 começou a ser utilizado na Europa e Japão onde
se produziam em grande escala, a prática, segurança e eficiência da ferramenta na
identificação de problemas era responsável por essa expansão (ALMEIDA et al,
2011).
Segundo o autor Sincish (2006), existem 6 regras para identificar se um
gráfico está sob controle, são elas: 1ª um ponto além da zona A, 2ª Nove pontos na
zona C ou além, 3ª seis pontos sem sequência aumentando ou diminuindo
constantemente, 4ª quatorze pontos em sequência alternando em altos e baixos, 5ª
dois de três pontos na zona A ou além, 6ª quatro de cinco pontos na zona B ou além.
As zonas A, B e C podem ser observadas na Figura 2.
Figura 2: Representação dos pontos A, B e C de um gráfico de controle. Fonte: Adaptada de Sincish (2006).
21
De acordo com o autor Sincish (2006), um gráfico não está sob controle se
uma ou mais das seis regras citadas forem observadas no gráfico e o gráfico está sob
controle caso não seja identificado nenhuma das regras.
2.8 FORMULA DE ERLANG-C OU ERLANG DELAY FORMULA (M/M/s)
O dinamarquês Agner krarkup Erlang, matemático, estatístico e engenheiro
reponsável por idealizar os conceitos de Teoria das filas e Engenharia de tráfego. A
Teoria das filas tem função de criar modelos matemáticos os quais auxiliaram na
análise do comportamento de sistemas que tendem a suprir atendimento às
demandas em contínuo crescimento aleatório (WINSTON, 2OO4).
Segundo LIMA et al, (2011) através da Teoria das filas Erlang chegou a uma
fórmula que é conhecida como Erlang C.
Segundo a Dígitro (2014) as fórmulas Erlang são uma maneira matemática de
fazer previsões sobre carga de trabalho que pode chegar aleatoriamente (como as
chamadas telefônicas) com base em informações já disponíveis (como a duração
média de uma chamada). As fórmulas Erlang são usadas para determinar o tamanho
da equipe e o número de troncos necessários em um call center. Existem dois tipos
de fórmula Erlang.
Ainda segundo o mesmo autor, a Fórmula Erlang B é usada quando o tráfego
é aleatório e não existe fila. Já a Erlang C, quando o tráfego é aleatório e existe fila.
Parte do pressuposto de que todos os chamadores permanecerão esperando
indefinidamente. Assim, o tráfego não pode ser mais que o número de troncos
disponíveis (ser for, haverá mais tráfego de entrada que de saída e o atraso na fila se
tornará infinito).
A Figura 3 mostra a interface da calculadora de Erlang C para Windows.
22
Figura 3: Calculadora de Erlang C para plataforma Windows Fonte: Westbay Engineers.
A calculadora de Erlang C apresentada na Figura 3 necessita do
conhecimento de algumas incógnitas que estão separadas em dois grupos, números
por hora, como, número de operários do sistema, número de chamadas, tempo médio
de duração e cada chamada, o segundo grupo é classificado como as estatísticas de
espera do sistema, como, probabilidade de uma chamada ficar em espera, média do
tempo de espera e porcentagem das chamadas respondidas ou atendidas no tempo
certo.
2.9 SOFTWARE ARENA®
Segundo Prado (2010), o lançamento do software ARENA® foi em 1993 pela
empresa Systems Modeling, sendo o sucessor de outros dois produtos de sucesso
desta mesma empresa, SIMAN e CINEMA, primeiro software de simulação para PC e
o primeiro software de animação para PC respectivamente. Estes foram melhorados
e a partir de 1993 e então unificados, nessa unificação nasceu o ARENA®. A empresa
Rockwell Software incorporou a Systems Modeling a partir de 1998.
O software possui blocos que são utilizados para descrever uma aplicação
real. Estes blocos funcionam como uma linguagem de programação. A interface
23
gráfica do usuário reduz o uso do teclado e prioriza o mouse como ferramenta
principal.
De acordo com Prado (2010) o ARENA® apresenta duas ferramentas muito
úteis: analisador de dados de entrada (Imput Analyzer), analisador de resultados
(Output Analyzer).
Ferramentas Descrição
Imput Analyzer
Permite analisar dados reais do funcionamento do processo e escolher a melhor distribuição estatística que se aplica a eles, o qual pode ser incorporada direta ao modelo.
Output Analyzer
É uma ferramenta que permite analisar dados coletados durante a simulação, sendo que esta análise pode ser gráfica e tem ainda recursos para efetuar importante comparações estatísticas
Quadro 2: Ferramentas para análise de dados presentes no software ARENA® .
A Figura 4 apresenta a tela inicial do software ARENA® .
Figura 4: Tela inicial do software ARENA®.
24
2.10 SIMULAÇÃO EM CENTRAIS DE ATENDIMENTO
Tanir e Booth (1999) a previsão é de extrema importância para realizar o
gerenciamento de uma Central de Atendimento e relata que apesar de serem
adequados para planejamento em geral os métodos tradicionais como Erlang-C
apresentam a tendência de superestimar 1999) citam uma aplicação na Central de
atendimento da Bell Canadá. O foco do modelo da simulação nesta aplicação foi na
qualidade do serviço que os clientes percebem, modelando a experiência do início ao
fim do serviço.
De acordo com Klunge o número de atendentes. Klunge recomenda usar a
simulação nos seguintes casos: existência de várias operações detalhadas, a precisão
é importante, existe grande variabilidade na demanda, necessidade de animação para
convencer a alta gerência e necessidade de identificação de gargalos no processo.
Harris et al. (1987) realizou um trabalho de simulação na Central de
Atendimento da IRS dos EUA e, após a simulação, concluiu que o processo, que
funcionava sob gargalos, pode ser modelado de forma analítica. O modelo resultou
uma forma de obter, através de tabelas, a melhor configuração de atendentes e linhas
telefônicas para atender a demanda prevista.
25
3 MATERIAIS E MÉTODOS
Neste capítulo serão apresentados os passos que foram seguidos para a
elaboração do estudo. Estão divididos em tópicos, os tipos de pesquisa, a população
amostra, a coleta e a análise dos dados. Estes estão relacionados com a classificação
que a metodologia utilizada neste trabalho possui.
3.1 A EMPRESA
O estudo foi realizado na Central Telefônica de uma instituição pública, onde
circulam no total mais de 700 ligações diárias, sendo que destas em média 150
ligações são registradas na central como efetivadas pelas atendentes. O
departamento funciona com a ajuda de 3 funcionários os quais se revezam
trabalhando 6 horas diárias cada com um intervalo de 15 minutos. Na central é
armazenado documentos com registros de todas as ligações feitas e recebidas pela
instituição, tais documentos foram foco de análises para a realização do estudo.
3.2 TIPOS DE PESQUISA
A classificação da pesquisa depende de critérios relacionados a natureza da
pesquisa, aos objetivos da mesma, forma de abordagem do problema e
procedimentos técnicos que serão abordados. A Figura 5 apresenta todas as
classificações.
26
Figura 5: Classificação da pesquisa científica Fonte: Adaptado de SILVA e MENEZES (2001)
3.2.1 Natureza da Pesquisa
Segundo o autor Kauark et al. (2010) a pesquisa básica busca o progresso da
ciência através de novos conhecimentos baseados em interesses universais e
verdades, a aplicação não é relevante na sua meta. A pesquisa aplicada possui
interesse prático, ou seja, uma aplicação para a resolução de algum tipo de problema
específico.
Tal estudo é classificado como uma pesquisa aplicada, pois está relacionado
com a simulação e possível maximização do fluxo de chamadas de uma central
telefônica apresentando uma aplicação imediata.
3.2.2 Objetivo da Pesquisa
De acordo com Gil (2002) pesquisa exploratória busca a familiaridade com o
problema, tornando-o explicito, ou a construção de hipóteses. A pesquisa descritiva
27
objetiva a descrição de população, fenômeno ou relações entre variáveis. A
identificação de fatores que contribuam para a ocorrência dos fenômenos são
características da pesquisa explicativa, a qual também é caracterizada por ser uma
pesquisa complexa e delicada.
A pesquisa quer melhor encaixa no objetivo deste estudo é a descritiva, pois
será realizado uma relação entre variáveis.
3.2.3 Formas de Abordar o Problema
Seguindo o conceito de Kauark et al, (2010) a pesquisa pode ser classificada
como pesquisa qualitativa e quantitativa.
Pesquisa qualitativa está relacionada a interpretação de fenômenos,
considera a existência de uma ligação dinâmica entre o mundo real e o sujeito, assim
impossibilitando a tradução em números dos resultados obtidos.
Pesquisa Quantitativa pode ser traduzida em números, é necessário o uso de
recursos e métodos estatísticos para analisa-los.
No presente estudo será utilizado a simulação computacional a qual faz
utilização de dados numéricos. Será realizado uma análise nestes dados que
posteriormente trarão resultados também numéricos. Com base em tais fatores
podemos classificar o estudo como pesquisa quantitativa.
3.2.4 Procedimentos Metodológicos a Serem Adotados na Pesquisa
Quanto aos procedimentos metodológicos a serem adotados podemos
destacar para o estudo em questão, modelagem e simulação e levantamento de
dados documentais.
Pesquisa de levantamento documental segundo Gil (2002) é semelhante a
uma pesquisa bibliográfica, a principal diferença está na fonte, sendo a bibliográfica
alvo de fundamentos de vários autores, enquanto a documental baseia-se em
28
materiais que não receberam ainda um tratamento analítico ou pode ser re- elaborado
de acordo com o objetivo da pesquisa
Modelagem e simulação são caracterizadas pelo uso de um modelo
matemático junto a pesquisa operacional para auxiliar a tomada decisão. (ARENA®
LES el al. 2007)
Como o estudo será realizado sob análises de dados coletados na central
telefônica que posteriormente serão alvo de simulações computacionais, podemos
comprovar a escolha de tais procedimentos metodológicos.
3.3 POPULAÇÃO AMOSTRA
Para a simulação do processo da central telefônica foram coletados
documentos emitidos pelo software gerenciador da central a ser estudada, tais
documentos apresentaram as características das chamadas quanto à duração, ao
horário a qual foi efetuada, se foi realizada com ou sem participação das atendentes.
As amostras foram coletadas em três momentos, uma contendo todo o
movimento da central telefônica no dia 26 de maio de 2014, uma segunda com dados
documentais da central de 23 dias úteis entre os meses de abril a maio de 2014 e uma
terceira coleta de dados por meio de cronoanálise das chamadas por um período de
3 horas, situada no horário de pico entre 13h:30min e 16h:30min nos dias 08 e 10 de
outubro de 2014.
3.4 COLETAS DE DADOS
De acordo com Freitas (2008) os dados coletados precisam ser consistentes,
pois estes refletem diretamente no modelo.
Os dados foram coletados na central telefônica por meio de registros
documentais obtidos por meio de cópia de tela do sistema e impressão de relatórios,
que apresentam detalhadamente o funcionamento do sistema telefônico. O período
estudado foi referente a um dia de funcionamento de toda a central e a 23 dias de
29
funcionamento de chamadas efetuadas pelas atendentes e registradas pelo sistema,
a seguir foram acompanhados dois dias por meio de cronometragem em horários de
pico, por meio de cronômetro manual.
3.5 ANÁLISES DE DADOS
Os dados coletados na central telefônica em forma de documentos foram
tabulados em uma planilha no Excel e analisados por meio do software Action 2.7 para
avaliação de controle estatístico de tempos de chamada.
Após essa análise os dados foram organizados e a quantidade de chamadas
separadas em períodos de hora a hora, posteriormente foram analisados os tempos
médios e máximos das chamadas, os picos da demanda por meio de ferramentas
estatística, ANOVA por meio de delineamento fatorial com dois fatores, dias da
semana e 15 horários, sendo testada também a interação dos fatores, Foram também
realizados os testes de comparação de médias de Tukey por meio do software Action
2.7.
Os dados de acompanhamento de cronoanálise foram utilizados para
simulação do sistema tanto pela calculadora Erlang C quanto pelo Arena®. Para
realização dos cálculos de Erlang C utilizou-se a calculadora on line disponibilizada
pelo site do Teleco (2014).
Através do imput analyzer, ferramenta do software ARENA® escolheu-se a
melhor distribuição estatística para incorporar ao modelo. Foram realizadas
simulações no software ARENA® e posteriormente análises dos resultados no Output
Analyzer, ferramenta embutida no próprio simulador com a finalidade de facilitar ao
analista.
30
4 RESULTADOS E DISCUSSÃO
Este capítulo está dividido em tópicos onde se descreve sobre os resultados
que foram obtidos analisando o movimento total da central, as chamadas ao qual
passam pela atendente, acompanhando das três horas dos horários de pico, aplicação
dos três horários de pico na fórmula de Erlang C e a comparação dos resultados
obtidos pela fórmula de Erlang C e a simulação computacional no ARENA®.
4.1 MOVIMENTO TOTAL DA CENTRAL TELEFÔNICA
Para realizar uma avaliação do movimento completo da central foram coletados
dados de acompanhamento de um dia inteiro de funcionamento de todos os ramais
existentes na instituição independentemente das ligações passarem ou não pelas
atendentes da central.
Observou-se com base nesses dados que ocorrem tanto chamadas diretas
para os ramais como dos ramais diretamente para o exterior da instituição, além das
chamadas que passam pelas telefonistas.
Pode-se notar que predominaram ligações de curta duração, tanto para entrada
quanto para saída.
A soma das entradas e saídas mostra que o maior pico foi observado entre o
horário das 15h:30min às 16h:30min onde o movimento total de chamadas
ultrapassou as 90 chamadas nesses 60 minutos ou seja mais de 1 chamada por
minuto, sendo que este horário do dia, mostrou-se bem congestionado.
As ligações de saída nos horários de pico foram em maior número do que as
ligações de entrada, sendo que as entradas superaram as saídas apenas no início do
expediente, no meio e no final da tarde. O horário da noite apresentou muito poucas
ligações em comparação com o movimento do dia (Figura 6).
31
Figura 6. Número Total de Chamadas e número de Entradas e Saídas de Ligações do dia
26 de maio de 2014 da Central Telefônica Estudada.
Pode-se também notar, com base nesses dados, que ocorreram dois picos de
movimento de chamadas, um no meio do período da manhã e outro no período da
tarde.
Notou-se ainda que o tempo médio de atendimento das ligações ficou em 1,09
minutos e que apenas 4,38% das 707 ligações observadas duraram mais que 5
minutos (Figura 7).
Figura 7. Gráfico de controle do tempo de chamadas da Central Telefônica Observada.
32
Pode-se observar na Figura 7 que a maioria das chamadas estão entre as
linhas superior e inferior do gráfico, tal fator demostra que as chamadas tendem a ser
bastante parecidas quanto ao tempo de duração, uma vez que a atendente é
responsável somente por intermediar estas chamadas que são passadas para outros
ramais. Os pontos que estão fora da linha superior representa alguns eventos não
comum, como por exemplo ligações onde o cliente não sabe ao certo ao ramal
desejado ou até mesmo uma explicação da situação atendente o orientá-lo.
4.2 MOVIMENTO DA CENTRAL TELEFÔNICA QUE PASSA PELA ATENDENTE
Para realização desse estudo foram avaliados os dados de 23 dias úteis,
referentes ao movimento da central telefônica, ou seja, apenas chamadas que passam
pelas mãos das telefonistas. O primeiro fator observado foi a quantidade de chamadas
que é bem menor do que o movimento completo da central, sendo que em média
ocorreram 158 chamadas diárias.
Com base nos resultados da ANOVA, observou-se que houve uma influência
significativa dos horários, já os dias da semana e a interação horários por dia da
semana (Figura 4) não foram significativos ao nível de 5% (p<0,05) conforme se pode
observar no Quadro 3.
Quadro 3. Resultados da ANOVA com dois fatores (horários e dias da semana)
.
Foram utilizados os dados correspondentes a 23 dias de funcionamento da
central telefônica para construir um gráfico que representasse a quantidade de
ligações ocorridas por hora e o dia da semana.
Causa da Variação G.L.
Soma de Quadrados Quadrado Médio Estat. F P-valor
Horários 14 14045,64058 1003,260041 31,87182228 0
Semana 4 146,3934783 36,59836957 1,16266639 0,3276
Horários:Semana 56 1075,426087 19,20403727 0,610078781 0,9862
Resíduos 270 8499,05 31,47796296
33
Figura 8. Gráfico Ilustrativo do número de ligações dentro da interação entre os 15 horários estudados de hora em hora das 7h:30min às 22h:30min e os cinco dias da semana em que existe expediente.
Com base na Figura 8, pode-se observar que houve um pequeno pico na
quantidade de ligações no período da manhã e no período da tarde, independente do
dia da semana. O período da tarde, onde está representado pelos números 7 8 e 9
(13h:30min às 16h:30min) foi escolhido para fazer a simulação, pois mesmo havendo
pico no horário da manhã, estes apresentaram um maior pico e impacto no sistema
da central.
O Gráfico da Figura 9 nota-se claramente a diferença na quantidade de
chamadas entre os diversos horários avaliados, sendo que o maior gargalo
identificado situou-se entre os horários 7 a 9 que correspondem aos horários das
13h:30min às 16h:30min.
34
Figura 9. Gráfico Ilustrativo do número de ligações nos 15 horários estudados de hora em hora das 7h:30min às 22h:30min.
Com base nos resultados do teste de Tukey aplicado às médias do número de
chamadas, apresentados na Tabela 1, pode-se observar que os horários 7, 8 e 9 foram
os mais movimentados. Pode-se verificar também que os horários mais
movimentados apresentaram valores de coeficiente de variação menores o que seria
mais indicado para coleta de dados visando a aplicação na fórmula Erlang C e futura
simulação.
Tabela 1. Comparação de média do número de chamadas recebidas em cada um dos horários estudados, seus respectivos desvios padrão e coeficientes de variação.
Hora de
Início
Hora de
Fim
Código dos Horários
Média de Chamadas ± desvio padrão
Coeficiente de Variação
7:30 8:30 1 4,74 ± 4,71 bc 99,42 8:30 9:30 2 12,39 ± 6,96 bc 56,16 9:30 10:30 3 16,04 ± 5,59 ab 34,83
10:30 11:30 4 15,78 ± 6,70 ab 42,50 11:30 12:30 5 8,35 ± 5,15 bc 61,68 12:30 13:30 6 6,65 ± 2,74bc 41,20 13:30 14:30 7 19,00 ± 7,38 a 38,87 14:30 15:30 8 19,57 ± 6,11 a 31,27 15:30 16:30 9 19,17 ± 8,03 a 41,92 16:30 17:30 10 15,48 ± 7,06 ab 45,60 17:30 18:30 11 9,00 ± 5,78 c 64,27 18:30 19:30 12 6,43 ± 3,90 c 60,70 19:30 20:30 13 3,74 ± 1,76c 47,17 20:30 21:30 14 1,65 ± 1,43 c 86,77 21:30 22:30 15 0,57 ± 0,84c 149,23
Obs. As médias seguidas pela mesma letra não diferem estatisticamente entre si ao nível de 5% de probabilidade pelo teste de
Tukey.
Gráfico de Efeitos
Horarios
Liga
coes
0
5
10
15
20
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
35
Esse resultado está de acordo com os resultados observados para a central
como um todo deixando claro que os horários localizados no meio da manhã e no
meio da tarde mostraram-se mais movimentados, sendo que o gargalo que se forma
no período da tarde ainda supera o gargalo da manhã.
Verifica-se também que os horários 3, 4 e 10 não foram significativamente
diferente dos três que apresentaram maior demanda, sendo que inclusive ao se
realizar uma análise de clusters esses horários se agruparam por apresentarem
comportamento de números de chamadas semelhantes (Figura 10).
Figura 10. Gráfico Ilustrativo do agrupamento dos horários estudados, separados de hora em hora das 7h:30min às 22h:30min, por meio da análise de clusters baseada no modelo Hierárquico e na distância Euclidiana.
1
13
14
15 5
11 6
12 4 8 7 9
10 2 3
02
46
81
01
21
4
Cluster Dendrogram
hclust (*, "complete")
Horários Avaliados
Dis
tân
cia
Eclid
ian
a
36
Realizou-se na Figura 11 a construção do gráfico de controle juntamente com
os testes propostos por Sincish (2006), para verificar se o processo está ou não sob
controle.
Figura 11: Análise de gráfico de controle nos horários de pico (13h:30min às 16h:30min).
Seguindo, portanto os conceitos descritos pelo autor foram feitas as análises
para identificar possíveis pontos que comprometessem o controle do sistema, o
gráfico com os três horários de pico (13h:30min às 16h:30min) pode ser observado na
Figura 11 e nota-se que o mesmo não apresentou nenhuma irregularidade das seis
regras de onde se pode concluir que o processo no período de pico se manteve sob
controle.
4.3 ACOMPANHAMENTO DAS TRÊS HORAS DO HORÁRIO DE PICO
Foram acompanhados por meio de cronoanálise os 3 horários de pico em dois
dias a saber dia 08 e 10 de outubro de 2014. Pode-se notar que as durações das
chamadas de saídas mostraram-se mais homogêneas, porém mais longas que as de
entrada (Figura 12 e 13). Sendo que o tempo médio em segundos gasto pela
atendente em ligações de saída foi de aproximadamente 41 segundos enquanto que
para ligações de entrada foi de 16 segundos.
37
Figura 12. Gráfico de controle do tempo de chamadas de saída da Central Telefônica
Observadas durante o acompanhamento realizado pessoalmente por cronoanálise.
O ponto discrepante encontrado na Figura 12 está relacionado com um evento
não comum nesta central telefônica, tal disparidade com os outros tempos é devido a
uma ligação realizada pela atendente para averiguar o aparelho de ar condicionado
de sua sala que estava com defeito.
Figura 13. Gráfico de controle do tempo de chamadas de entrada da Central Telefônica
Observadas durante o acompanhamento realizado pessoalmente por cronoanálise.
Observando a Figura 13 nota-se que há alguns pontos fora da linha superior
de controle, tal fato deve-se a diversidade de pessoas que realizam chamadas para a
central telefônica, pois há chamadas que são apenas pedidos para transferência de
ramal, outras são mais duradouras pois os remetentes explicam a situação, para que
posteriormente a atendente transfira a ligação ao ramal correto, tal evento adiciona
alguns segundos a chamadas e explicam o fenômeno observado na figura citada.
38
4.4 APLICAÇÃO DOS DADOS OBTIDOS DAS TRÊS HORAS NA FÓRMULA DE
ERLANG C
A fórmula de Erlang C se aplica para calcular a probabilidade de uma ligação
ficar em fila esperando pelo atendimento, bem como o tempo provável que a mesma
permanecerá aguardando, sendo que para tanto se deve limitar um tempo de espera
em fila e disponibilizar dados de acompanhamento da central do número de
atendentes, o número médio de chamadas que chegam durante uma hora e o tempo
médio gasto no atendimento destas chamadas.
Ao se realizar os cálculos pela equação de Erlang C, com os dados médios
coletados nos dois dias de acompanhamento os resultados encontrados foram
superiores para as duas primeiras horas e um pouco inferior para a terceira conforme
se pode observar na Tabela 2.
Tabela 2. Resultados obtidos para os três horários de pico, em média para os dois dias acompanhados, por meio da aplicação da fórmula de Erlang C.
Horário 07 Horário 08 Horário 09
Duração média das chamadas recebidas 29,74seg 24,87seg 27,40seg Número de chamadas recebidas 92 108 66 Atendentes 1 1 1 Tempo médio de espera pretendido 30seg 30seg 30seg Probabilidade da chamada ficar em espera 74,11% 71,99% 49,50% Tempo médio de espera calculado 83,01seg 61,71seg 26,46seg
Sendo que a ocupação da funcionária ficou acima de 70% nos dois primeiros
horários, porém segundo Wolff (2003) o tempo de fila em períodos de pico pode ser
superestimado pelo uso da fórmula de Erlang C e cabe ressaltar que uma espera de
83 segundos apenas no horário mais movimentado não justificaria a colocação de
mais uma atendente no posto de trabalho.
No estudo de Leite e Rangel (2012), foram observados vários abandonos de
chamada entre tempos de espera mínimos de 27 segundos e máximos de 59
segundos, dessa forma pode-se inferir que dentro da faixa do presente estudo não se
teria uma quantidade muito elevada de abandonos de chamada por parte dos
usuários, porém vale ressaltar que estes podem acontecer.
39
Como sugestão poderia ser instalado algum sistema que ocupasse o cliente
durante esse tempo de espera ou mesmo o motivasse a aguardar sabendo que o
sistema encontra-se com elevada demanda.
4.5 COMPARAÇÃO DO MÉTODO ANALÍTICO DE ERLANG C E SIMULAÇÃO NO
ARENA® NOS VALORES MÉDIOS DAS CHAMADAS DO HORARIO DE PICO
Realizou-se posteriormente uma comparação de resultados da aplicação dos
dados médios das 3 horas de pico nos dois dias de acompanhamentos, tanto na
equação de Erlang C (Figura 14), quanto pela simulação com o software Arena®.
Para realização da simulação pela fórmula utilizou-se o número de
atendentes, juntamente com os dados de tempo de espera máximo pretendido, de
duração média das chamadas e número de chamadas médios das duas coletas das
três horas de pico e se obteve dados de probabilidade da chamada ficar em espera e
do tempo médio de espera previsto.
Realizou-se os cálculos para uma Central de atendimento de chamadas com
duração média de 27,26 segundos, recebendo durante a média de seu horário de
maior movimento 88 chamadas e dispondo de 1 Posição de Atendimento
considerando um tempo de espera médio das chamadas pretendido de 30 segundos,
o resultado pode ser observado na Figura 14.
Analisando os resultados obtidos pelo cálculo analítico de Erlang C nota-se
que a probabilidade de uma chamadas ser colocada em espera seria de 66 %, valor
que é responsável pela ocupação da atendente, além disto a espera média calculada
para atendimento seria de 52,41 segundos, superior aos 30 segundos pretendidos, o
que justifica a existência de horários de pico neste período.
40
Figura 14. Imagem da tela da Calculadora de Erlang C após realização dos cálculos.
Após a realização de uma análise estatística criteriosa nos dados coletados
do sistema, determinou-se as curvas de distribuição teórica de probabilidades que
melhor representem o comportamento estocástico do sistema em estudo, através da
ferramenta Input Analyzer do Arena®. Como os p-values dos testes de aderência:
teste Chi Square e do teste Kolmogorov-Smirnof são maiores que o nível de
significância adotado (0,1) (CHWIF; MEDINA, 2007), concluiu-se que as distribuições,
apresentadas na Tabela 3, são as expressões que melhor se adaptaram aos dados
coletados no sistema.
Tabela 3: Distribuição de probabilidade.
Itens Distribuição Chi Square Kolmogorov-Smirnov
TE 6+LOGN(3.2,1.24) p-value=0,763 p-value=0,829
TS 7+GAMM(20.2,2.3) p-value=0,753 p-value=0,627
Obs. TE: TEMPOS DE ENTRADA; TS: TEMPOS DE SAÍDA.
41
Um modelo foi elaborado pelo software Arena® e encontra-se apresentado na
Figura 15.
Figura 15. Modelo Computacional Implementado.
Figura 16. Intervalo Simulado pelo Arena® para Ocupação das Telefonistas.
O resultado obtido por meio de simulação pelo software Arena® para a
ocupação da telefonista durante o período de pico foi levemente inferior ao valor
encontrado pela equação de Erlang C tendo sido de 64,2% (Figura 16), o que está de
acordo com o estudo de Wolff (2003) o qual observou que em períodos de pico os
resultados fornecidos pela simulação são inferiores aos encontrados por meio da
equação de Erlang C.
42
6. CONCLUSÃO
Após a coleta dos dados realizou-se análises prévias que identificaram
gargalos em horários de disponibilidade do serviço realizado pela central telefônica da
instituição.
Com a realização de novos acompanhamentos pontuais nesses horários e
realização de avaliações e simulação do processo no software ARENA® e por meio
da calculadora Erlang C, observou-se que a calculadora superestima um pouco a
ocupação, porém os valores encontrados foram próximos.
Nos estudos a hora de maior pico observada chegou próximo a 70% de
ocupação o que ainda não seria o suficiente para justificar a disponibilização de mais
um atendente no setor. Mas, por ter sido somente o período da tarde a apresentar um
pico superior, o qual durava apenas 3 horas, acredita-se que seria viável um
revezamento entre os funcionários do setor para evitar a sobrecarga de apenas um
deles.
Os maiores tempos de espera ficaram próximos a 80 segundos o que nos
levou a sugerir que se disponibilize um sistema de atendimento automático que
esclareça ao cliente a necessidade da espera pela ocupação dos ramais naquele
momento.
43
REFERÊNCIAS
ALMEIDA ET AL. Controle Estatístico do Processo. Itu. 2011
ARAUJO, M. ARAUJO, F e ADASSI, P. Distribuição da demanda telefônica de um call center através da criação e priorização de filas inteligentes. Anais XXIII Encontro
Nac. de Eng. de Produção - Ouro Preto, 2003. ARAUJO, M. ARAUJO, F e ADASSI, P. Modelo para segmentação da demanda de um call center em múltiplas prioridades: Estudo da implementação em um call center Telecomunicações. Revista Produção Online. vol. 4, p. 3, 2004.
ARGOLO, M. A. T; RAMOS, A. R. N. Organização do trabalho nas centrais de atendimento telefônico: Controle e Produtividade. Revista Gestão e Planejamento.
Salvador. 2006. BATANERO C.; ESTEPA A.; GODINO J.D. Análisis exploratorio de datos: suas posibilidades en la enseñanza secundaria. Suma, 9, 25-31. 1991. BOUZADA, M. Dimensionamento de um call center: Simulação ou Teoria das filas. Anais SIMPOI. 2009. BROWN, L.; GANS, N., MANDELBAUM, A., SAKOV, A., ZELTYN, S., ZHAO, L. and HAIPENG, S. Statistical analysis of a telephone call center: a queueing science perspective. Working Paper, The Wharton School, 2002.
DÍGITRO. Inteligência Ti telecon. Fórmula Erlang. Disponível em: <
http://www.digitro.com/pt/index.php/sala-imprensa/glossario/Gloss%C3%A1rio-1/F/F%C3%93RMULA-ERLANG-119/> Acesso em: 30 de junho de 2014. FERREIRA FILHO, V. J. M. Processos estocásticos e Teoria das filas. Rio de
Janeiro. COPPE. 176p. Disponível em:< http://www.iceb.ufop.br/deest/p3f1l_d3p4rt4m3nt03st/arquivos/0.661335001390983227.pdf>. Acesso em: 10 de set. 2014. FREITAS FILHO, P. J. Introdução à Modelagem e Simulação de Sistemas com Aplicações em Arena® . Florianópolis. Visual Books, 2008. 305 p.
44
FREUND, J. E. Estatística Aplicada: Economia, administração e contabilidade.11º ed. Porto Alegre; Bookman 2006. 536p. GIL, A. C. Como elaborar projetos de pesquisa. 4. ed. São Paulo: Atlas, 2002. 175
p. GONÇALVES, C. F. F. Estatística. UEL. Londrina-PR, 2002.
JUNIOR, W. M. P. Teoria das filas e simulações. Minas Gerais. Feit. 2011. KOOLE, G; MANDELBAUM, A. Queueing Models of Call Centers: AnIntroduction. Technion, Out . 2001. Disponível: <http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.108.4028&rep=rep1&type=pdf>.Acesso em: 18 abr. 2014. KLUNGE, R. Simulation of a Claims Call Center: A Success and a Failure. In:
Proceedings of the 1999 Winter Simulation Conference, Farrington, P. A. et al., p. 1648-1653. LEITE, O. S.; RANGEL, J. J. A. Simulação com otimização: uma aplicação para o dimensionamento de centrais de atendimento. Iberoamerican Journal of Industrial Engineering, Florianópolis, v.4, n.7, p.244-260, 2012. LIMA, C. L, de. Dimensionamento básico de centrais via simulação de tráfego telefônico. Instituto de Estudos Superiores da Amazônia – IESAM AV: Governador Jose Malcher 1175 – Nazaré.2011. MARINS, F. A. S. Introdução à Pesquisa Operacional. São Paulo: Cultura acadêmica, 2011. 176p. MOREIRA, D. A. Pesquisa Operacional: Curso Introdutório. 3. ed. São Paulo: Cengage Learning, 2010. 356 p. MEDRI, W. Análise exploratória de Dados. Centro de Ciências Exatas – CCE. Londrina 2011. PRADO, D. S. do. Teoria das Filas e da Simulação. Belo Horizonte: Editora de Desenvolvimento Gerencial, 1999. 124 p.
45
PRADO, D. S, do. Teoria das Filas e da Simulação. Volume. 2, Nova Lima: INDG Tecnologia e Serviços, 2009. PRADO, D. S, do. Usando o Arena® em Simulação. Volume. 3, Belo Horizonte: ING Tecnologia e Serviços, 2010. RAO, C.R. Statistics: A technology for the millennium Internal. J. Math. & Statist. Sci, Vol. 8, No.1, Junho 1999.
SINCISH, M. B. Estatística para administração e economia. 10. ed. São Paulo: Pearson Prentice Hall. 2006. TAHA, H. A. Pesquisa Operacional: Uma Visão Geral. 8. ed. São Paulo: Pearson Prentice Hall, 2008. 359 p. TANIR, O; BOOTH, R. Call Center Simulation in Bell Canada. In Proceedings of the 1999 Winter Simulation Conference, Farrington, P. A. et al., p. 1640-1647. TELECO. Inteligência em Telecomunicação: Fórmula de Erlang C. Disponível
em: < http://www.teleco.com.br/erlangc.asp >. Acesso em: 27 de outubro de 2014. WINSTON, W. L. Operations Research: Applications and Algorithms. 4 ed.
California: BrooksCole Thomson Learning, 2004 WOLFF, J. F. Simulação de uma Central de atendimento: uma aplicação.
Dissertação Pós- Graduação, Florianópolis 2003. YONAMINE, J. O setor de call centers e métodos quantitativos: uma aplicação da simulação. Dissertação mestrado, Instituto COPPEAD em Administração, UFRJ, Rio de Janeiro, 2006.